CN108072663A - 工件缺陷在线分析装置 - Google Patents

工件缺陷在线分析装置 Download PDF

Info

Publication number
CN108072663A
CN108072663A CN201711281738.XA CN201711281738A CN108072663A CN 108072663 A CN108072663 A CN 108072663A CN 201711281738 A CN201711281738 A CN 201711281738A CN 108072663 A CN108072663 A CN 108072663A
Authority
CN
China
Prior art keywords
quilt cover
equipment
image
pixel
defect
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711281738.XA
Other languages
English (en)
Other versions
CN108072663B (zh
Inventor
朱林清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sixian Branch of Anhui Phetom Intelligent Traffic Technology Co Ltd
Original Assignee
朱林清
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 朱林清 filed Critical 朱林清
Priority to CN201711281738.XA priority Critical patent/CN108072663B/zh
Publication of CN108072663A publication Critical patent/CN108072663A/zh
Application granted granted Critical
Publication of CN108072663B publication Critical patent/CN108072663B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/95Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00Prospecting or detecting by optical means
    • G01V8/10Detecting, e.g. by using light barriers
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Abstract

本发明涉及一种被罩缺陷在线分析装置,包括被罩识别设备、缺陷检测设备和无线收发设备,所述被罩识别设备用于识别检验台上的对象是否为被罩,所述缺陷检测设备与所述被罩识别设备连接,用于在检验台上的对象为被罩时,检测检验台上的被罩是否存在缺陷;其中,所述无线收发设备分别与所述被罩识别设备和所述缺陷检测设备连接,用于无线发送所述被罩识别设备的识别结果,还用于无线发送所述缺陷检测设备的检测结果,所述缺陷检测设备在检验台上的对象为被罩,从省电模式切换到工作模式。通过本发明,能够提高被罩缺陷检测的智能化水准。

Description

工件缺陷在线分析装置
本发明是申请号为201710654258.7、申请日为2017年8月3日、发明名称为“工件缺陷在线分析装置”的专利的分案申请。
技术领域
本发明涉及被罩领域,尤其涉及一种工件缺陷在线分析装置。
背景技术
被罩,指的是套在被子外面的罩子,可以随时换洗,多用布或的确良做成,也叫被套。
双人被罩尺寸如下。床单:230*250CM或245*250CM或250*250CM(细微的尺寸差异主要取决于厂家所使用的布料幅宽是多少。比如,如果布料幅宽是235CM,那么床单如果是整幅的话,其中两个边最大就只可以是230CM(因为还要有加工的作缝),另两个边的长度是可以随便确定的)被套:200*230CM。
现有技术中缺乏对被罩的识别机制,也缺乏后续的对被罩缺陷的识别机制,导致无法及时将缺陷被罩剔出去,从而严重影响了被罩成品的整体质量。
发明内容
为了解决上述问题,本发明提供了一种被罩缺陷在线分析装置,为了识别检验台上的对象是否为被罩,采用差异化滤波设备获取差异化滤波图像,采用被罩识别设备以基于预设被罩灰度阈值范围从所述差异化滤波图像中识别并分割出被罩子图像,并在所述被罩子图像占据所述差异化滤波图像的比例大于等于预设比例阈值时,发出存在被罩信号,同时,还在检验台上的对象为被罩时,检测检验台上的被罩是否存在缺陷。
根据本发明的一方面,提供了一种被罩缺陷在线分析装置,所述装置包括被罩识别设备、缺陷检测设备和无线收发设备,所述被罩识别设备用于识别检验台上的对象是否为被罩,所述缺陷检测设备与所述被罩识别设备连接,用于在检验台上的对象为被罩时,检测检验台上的被罩是否存在缺陷;其中,所述无线收发设备分别与所述被罩识别设备和所述缺陷检测设备连接,用于无线发送所述被罩识别设备的识别结果,还用于无线发送所述缺陷检测设备的检测结果;所述缺陷检测设备在检验台上的对象为被罩,从省电模式切换到工作模式。
更具体地,在所述被罩缺陷在线分析装置中:所述缺陷检测设备在检验台上的对象为非被罩的其他对象时,从工作模式切换到省电模式。
更具体地,在所述被罩缺陷在线分析装置中,还包括:枪式摄像机,用于对检验台上的对象所在场景进行实时高清图像数据采集,以获得并输出高清场景图像;直方图处理设备,与所述枪式摄像机连接,用于接收高清场景图像,对所述高清场景图像执行灰度直方图处理,以获得所述高清场景图像的灰度直方图。
更具体地,在所述被罩缺陷在线分析装置中,还包括:去干扰处理设备,与所述直方图处理设备连接,用于获取所述灰度直方图中的纵坐标方向上的多个峰值,将多个峰值中幅值小于等于预设干扰幅值阈值的峰值都作为干扰峰值,从多个峰值中去除各个干扰峰值以获得一个或多个参考峰值。
更具体地,在所述被罩缺陷在线分析装置中,还包括:阈值选择设备,与所述去干扰处理设备连接,用于对一个或多个参考峰值进行求平均值处理以获得平均化峰值,将所述灰度直方图中,纵坐标方向上的值接近所述平均化峰值所对应的横坐标上的灰度等级作为二值化阈值。
更具体地,在所述被罩缺陷在线分析装置中,还包括:
二值化处理设备,分别与所述直方图处理设备和所述阈值选择设备连接,用于高清场景图像中的每一个像素的像素值,将像素值大于等于所述二值化阈值的,将其像素值作为255,将像素值小于所述二值化阈值的,将其像素值作为0,以获得二值化图像;
渐进式增强设备,用于接收二值化图像,基于预设目标灰度阈值范围确定所述二值化图像中的每一个像素是否属于目标像素,将所述二值化图像中的所有目标像素组成初步目标区域,提高所述二值化图像中初步区域的所有像素的灰度值等级以获得对比度提高图像,增强所述对比度提高图像中的亮部区域,同时减少所述对比度提高图像中的暗部区域,以获得目标增强图像,对所述目标增强图像进行图像平滑处理以获得渐进式增强图像;
噪声分析设备,用于接收渐进式增强图像,对所述渐进式增强图像进行噪声类型分析以确定所述渐进式增强图像中的噪声幅值最大的噪声类型以作为主要噪声类型输出,其中,所述渐进式增强图像中的噪声类型包括敏感元器件产生的内部噪声、传输信道的干扰噪声、电器机械运动带来的抖动噪声以及感光材料引起的颗粒噪声;
模板选择设备,与所述噪声分析设备连接,用于接收所述主要噪声类型,并基于所述主要噪声类型确定中值滤波模板;轮廓检测设备,与所述噪声分析设备连接,用于判断所述渐进式增强图像中的目标轮廓;
差异化滤波设备,分别与所述模板选择设备和所述轮廓检测设备连接,用于对组成所述目标轮廓的每一个轮廓像素,基于所述中值滤波模板根据以其为中心的中值滤波窗口内的像素分布确定不同的滤波策略,所述基于所述中值滤波模板根据以其为中心的中值滤波窗口内的像素分布确定不同的滤波策略包括:当中值滤波窗口内的目标像素数量大于等于中值滤波窗口内的非目标像素数量时,取各个目标像素的像素值的均值作为所述轮廓像素的像素值,当中值滤波窗口内的目标像素数量小于中值滤波窗口内的非目标像素数量时,取各个非目标像素的像素值的均值作为所述轮廓像素的像素值;
其中,所述差异化滤波设备还用于对所述渐进式增强图像中不属于所述目标轮廓的每一个非轮廓像素,基于所述中值滤波模板根据以其为中心的中值滤波窗口内的所有像素的像素值的均值作为所述非轮廓像素的像素值;所述差异化滤波设备输出差异化滤波图像;所述被罩识别设备与所述差异化滤波设备连接,用于接收差异化滤波图像,基于所述预设被罩灰度阈值范围从所述差异化滤波图像中识别并分割出被罩子图像,并在所述被罩子图像占据所述差异化滤波图像的比例大于等于预设比例阈值时,发出存在被罩信号。
更具体地,在所述被罩缺陷在线分析装置中,还包括:FLASH存储芯片,用于预先存储预设干扰幅值阈值。
更具体地,在所述被罩缺陷在线分析装置中:所述FLASH存储芯片还用于存储所述预设被罩灰度阈值范围。
更具体地,在所述被罩缺陷在线分析装置中:所述预设被罩灰度阈值范围包括被罩灰度上限阈值和被罩灰度下限阈值。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的被罩缺陷在线分析装置的结构方框图。
附图标记:1被罩识别设备;2缺陷检测设备;3无线收发设备
具体实施方式
下面将参照附图对本发明的被罩缺陷在线分析装置的实施方案进行详细说明。
双人普通被罩尺寸如下:就以床单为230*250CM的四件套为例,扑在1.5米的床上,两边各垂50CM,床脚面上垂30CM。245*250CM的就是两边垂50CM,床脚垂45CM。一般这种尺寸的床单都会是圆角设计了,要不然就会有两个角拖在地上了。同样,230*250尺寸的用在1.8米的床上,就是两边各垂35公分,床脚面上垂30公分。这种尺寸用于1.8米床是否合适主要取决于您选择的被子的尺寸。如果是200*230的,就是很合适的;如果是220*240或其他尺寸的,就要另选规格了。
当前,缺乏被罩的有效检测机制以及被罩缺陷的有效检测,从而导致劣质品频繁出现在市场上。为了克服上述不足,本发明搭建了一种被罩缺陷在线分析装置,具体实施方案如下。
图1为根据本发明实施方案示出的被罩缺陷在线分析装置的结构方框图,所述装置包括被罩识别设备、缺陷检测设备和无线收发设备,所述被罩识别设备用于识别检验台上的对象是否为被罩,所述缺陷检测设备与所述被罩识别设备连接,用于在检验台上的对象为被罩时,检测检验台上的被罩是否存在缺陷。
其中,所述无线收发设备分别与所述被罩识别设备和所述缺陷检测设备连接,用于无线发送所述被罩识别设备的识别结果,还用于无线发送所述缺陷检测设备的检测结果;所述缺陷检测设备在检验台上的对象为被罩,从省电模式切换到工作模式。
接着,继续对本发明的被罩缺陷在线分析装置的具体结构进行进一步的说明。
在所述被罩缺陷在线分析装置中:
所述缺陷检测设备在检验台上的对象为非被罩的其他对象时,从工作模式切换到省电模式。
所述被罩缺陷在线分析装置还可以包括:
枪式摄像机,用于对检验台上的对象所在场景进行实时高清图像数据采集,以获得并输出高清场景图像;
直方图处理设备,与所述枪式摄像机连接,用于接收高清场景图像,对所述高清场景图像执行灰度直方图处理,以获得所述高清场景图像的灰度直方图。
所述被罩缺陷在线分析装置还可以包括:
去干扰处理设备,与所述直方图处理设备连接,用于获取所述灰度直方图中的纵坐标方向上的多个峰值,将多个峰值中幅值小于等于预设干扰幅值阈值的峰值都作为干扰峰值,从多个峰值中去除各个干扰峰值以获得一个或多个参考峰值。
所述被罩缺陷在线分析装置还可以包括:
阈值选择设备,与所述去干扰处理设备连接,用于对一个或多个参考峰值进行求平均值处理以获得平均化峰值,将所述灰度直方图中,纵坐标方向上的值接近所述平均化峰值所对应的横坐标上的灰度等级作为二值化阈值。
所述被罩缺陷在线分析装置还可以包括:
二值化处理设备,分别与所述直方图处理设备和所述阈值选择设备连接,用于高清场景图像中的每一个像素的像素值,将像素值大于等于所述二值化阈值的,将其像素值作为255,将像素值小于所述二值化阈值的,将其像素值作为0,以获得二值化图像;
渐进式增强设备,用于接收二值化图像,基于预设目标灰度阈值范围确定所述二值化图像中的每一个像素是否属于目标像素,将所述二值化图像中的所有目标像素组成初步目标区域,提高所述二值化图像中初步区域的所有像素的灰度值等级以获得对比度提高图像,增强所述对比度提高图像中的亮部区域,同时减少所述对比度提高图像中的暗部区域,以获得目标增强图像,对所述目标增强图像进行图像平滑处理以获得渐进式增强图像;
噪声分析设备,用于接收渐进式增强图像,对所述渐进式增强图像进行噪声类型分析以确定所述渐进式增强图像中的噪声幅值最大的噪声类型以作为主要噪声类型输出,其中,所述渐进式增强图像中的噪声类型包括敏感元器件产生的内部噪声、传输信道的干扰噪声、电器机械运动带来的抖动噪声以及感光材料引起的颗粒噪声;
模板选择设备,与所述噪声分析设备连接,用于接收所述主要噪声类型,并基于所述主要噪声类型确定中值滤波模板;
轮廓检测设备,与所述噪声分析设备连接,用于判断所述渐进式增强图像中的目标轮廓;
差异化滤波设备,分别与所述模板选择设备和所述轮廓检测设备连接,用于对组成所述目标轮廓的每一个轮廓像素,基于所述中值滤波模板根据以其为中心的中值滤波窗口内的像素分布确定不同的滤波策略,所述基于所述中值滤波模板根据以其为中心的中值滤波窗口内的像素分布确定不同的滤波策略包括:当中值滤波窗口内的目标像素数量大于等于中值滤波窗口内的非目标像素数量时,取各个目标像素的像素值的均值作为所述轮廓像素的像素值,当中值滤波窗口内的目标像素数量小于中值滤波窗口内的非目标像素数量时,取各个非目标像素的像素值的均值作为所述轮廓像素的像素值;
其中,所述差异化滤波设备还用于对所述渐进式增强图像中不属于所述目标轮廓的每一个非轮廓像素,基于所述中值滤波模板根据以其为中心的中值滤波窗口内的所有像素的像素值的均值作为所述非轮廓像素的像素值;
其中,所述差异化滤波设备输出差异化滤波图像;
其中,所述被罩识别设备与所述差异化滤波设备连接,用于接收差异化滤波图像,基于所述预设被罩灰度阈值范围从所述差异化滤波图像中识别并分割出被罩子图像,并在所述被罩子图像占据所述差异化滤波图像的比例大于等于预设比例阈值时,发出存在被罩信号。
所述被罩缺陷在线分析装置还可以包括:
FLASH存储芯片,用于预先存储预设干扰幅值阈值。
在所述被罩缺陷在线分析装置中:
所述FLASH存储芯片还用于存储所述预设被罩灰度阈值范围。
在所述被罩缺陷在线分析装置中:
所述预设被罩灰度阈值范围包括被罩灰度上限阈值和被罩灰度下限阈值。
另外,所述无线收发设备为时分双工通信接口。时分双工是一种通信系统的双工方式,在移动通信系统中用于分离接收和传送信道。移动通信目前正向第三代发展,中国于1997年6月提交了第三代移动通信标准草案(TD-SCDMA),其TDD模式及智能天线新技术等特色受到高度评价并成三个主要候选标准之一。在第一代和第二代移动通信系统中FDD模式一统天下,TDD模式没有引起重视。但由于新业务的需要和新技术的发展,以及TDD模式的许多优势,TDD模式将日益受到重视。
时分双工的工作原理如下:TDD是一种通信系统的双工方式,在移动通信系统中用于分离接收与传送信道(或上下行链路)。TDD模式的移动通信系统中接收和传送是在同一频率信道即载波的不同时隙,用保证时间来分离接收与传送信道;而FDD模式的移动通信系统的接收和传送是在分离的两个对称频率信道上,用保证频段来分离接收与传送信道。
采用不同双工模式的移动通信系统特点与通信效益是不同的。TDD模式的移动通信系统中上下行信道用同样的频率,因而具有上下行信道的互惠性,这给TDD模式的移动通信系统带来许多优势。
在TDD模式中,上行链路和下行链路中信息的传输可以在同一载波频率上进行,即上行链路中信息的传输和下行链路中信息的传输是在同一载波上通过时分实现的。
采用本发明的被罩缺陷在线分析装置,针对现有技术中无法对被罩缺陷进行在线检测的技术问题,通过引入多种高精度的图像采集设备和图像处理设备实现对被罩的在线识别,还在检验台上的对象为被罩时,检测检验台上的被罩是否存在缺陷,从而解决了上述技术问题。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。

Claims (7)

1.一种被罩缺陷在线分析装置,包括被罩识别设备、缺陷检测设备和无线收发设备,所述被罩识别设备用于识别检验台上的对象是否为被罩,所述缺陷检测设备与所述被罩识别设备连接,用于在检验台上的对象为被罩时,检测检验台上的被罩是否存在缺陷;
其中,所述无线收发设备分别与所述被罩识别设备和所述缺陷检测设备连接,用于无线发送所述被罩识别设备的识别结果,还用于无线发送所述缺陷检测设备的检测结果;
其中,所述缺陷检测设备在检验台上的对象为被罩时,从省电模式切换到工作模式。
2.如权利要求1所述的被罩缺陷在线分析装置,其特征在于:
所述缺陷检测设备在检验台上的对象为非被罩的其他对象时,从工作模式切换到省电模式。
3.如权利要求2所述的被罩缺陷在线分析装置,其特征在于,还包括:
枪式摄像机,用于对检验台上的对象所在场景进行实时高清图像数据采集,以获得并输出高清场景图像;
直方图处理设备,与所述枪式摄像机连接,用于接收高清场景图像,对所述高清场景图像执行灰度直方图处理,以获得所述高清场景图像的灰度直方图。
4.如权利要求3所述的被罩缺陷在线分析装置,其特征在于,还包括:
去干扰处理设备,与所述直方图处理设备连接,用于获取所述灰度直方图中的纵坐标方向上的多个峰值,将多个峰值中幅值小于等于预设干扰幅值阈值的峰值都作为干扰峰值,从多个峰值中去除各个干扰峰值以获得一个或多个参考峰值。
5.如权利要求4所述的被罩缺陷在线分析装置,其特征在于,还包括:
阈值选择设备,与所述去干扰处理设备连接,用于对一个或多个参考峰值进行求平均值处理以获得平均化峰值,将所述灰度直方图中,纵坐标方向上的值接近所述平均化峰值所对应的横坐标上的灰度等级作为二值化阈值。
6.如权利要求5所述的被罩缺陷在线分析装置,其特征在于,还包括:
二值化处理设备,分别与所述直方图处理设备和所述阈值选择设备连接,用于高清场景图像中的每一个像素的像素值,将像素值大于等于所述二值化阈值的像素,将其像素值作为255,将像素值小于所述二值化阈值的像素,将其像素值作为0,以获得二值化图像;
渐进式增强设备,用于接收二值化图像,基于预设目标灰度阈值范围确定所述二值化图像中的每一个像素是否属于目标像素,将所述二值化图像中的所有目标像素组成初步目标区域,提高所述二值化图像中初步区域的所有像素的灰度值等级以获得对比度提高图像,增强所述对比度提高图像中的亮部区域,同时减少所述对比度提高图像中的暗部区域,以获得目标增强图像,对所述目标增强图像进行图像平滑处理以获得渐进式增强图像;
噪声分析设备,用于接收渐进式增强图像,对所述渐进式增强图像进行噪声类型分析以确定所述渐进式增强图像中的噪声幅值最大的噪声类型以作为主要噪声类型输出,其中,所述渐进式增强图像中的噪声类型包括敏感元器件产生的内部噪声、传输信道的干扰噪声、电器机械运动带来的抖动噪声以及感光材料引起的颗粒噪声;
模板选择设备,与所述噪声分析设备连接,用于接收所述主要噪声类型,并基于所述主要噪声类型确定中值滤波模板;
轮廓检测设备,与所述噪声分析设备连接,用于判断所述渐进式增强图像中的目标轮廓;
差异化滤波设备,分别与所述模板选择设备和所述轮廓检测设备连接,用于对组成所述目标轮廓的每一个轮廓像素,基于所述中值滤波模板根据以其为中心的中值滤波窗口内的像素分布确定不同的滤波策略,所述基于所述中值滤波模板根据以其为中心的中值滤波窗口内的像素分布确定不同的滤波策略包括:当中值滤波窗口内的目标像素数量大于等于中值滤波窗口内的非目标像素数量时,取各个目标像素的像素值的均值作为所述轮廓像素的像素值,当中值滤波窗口内的目标像素数量小于中值滤波窗口内的非目标像素数量时,取各个非目标像素的像素值的均值作为所述轮廓像素的像素值;
其中,所述差异化滤波设备还用于对所述渐进式增强图像中不属于所述目标轮廓的每一个非轮廓像素,基于所述中值滤波模板根据以其为中心的中值滤波窗口内的所有像素的像素值的均值作为所述非轮廓像素的像素值;
其中,所述差异化滤波设备输出差异化滤波图像;
其中,所述被罩识别设备与所述差异化滤波设备连接,用于接收差异化滤波图像,基于所述预设被罩灰度阈值范围从所述差异化滤波图像中识别并分割出被罩子图像,并在所述被罩子图像占据所述差异化滤波图像的比例大于等于预设比例阈值时,发出存在被罩信号;
FLASH存储芯片,用于预先存储预设干扰幅值阈值。
7.如权利要求6所述的被罩缺陷在线分析装置,其特征在于:
所述预设被罩灰度阈值范围包括被罩灰度上限阈值和被罩灰度下限阈值。
CN201711281738.XA 2017-08-03 2017-08-03 工件缺陷在线分析装置 Active CN108072663B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711281738.XA CN108072663B (zh) 2017-08-03 2017-08-03 工件缺陷在线分析装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201711281738.XA CN108072663B (zh) 2017-08-03 2017-08-03 工件缺陷在线分析装置
CN201710654258.7A CN107367513B (zh) 2017-08-03 2017-08-03 工件缺陷在线分析装置

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201710654258.7A Division CN107367513B (zh) 2017-08-03 2017-08-03 工件缺陷在线分析装置

Publications (2)

Publication Number Publication Date
CN108072663A true CN108072663A (zh) 2018-05-25
CN108072663B CN108072663B (zh) 2020-09-08

Family

ID=60309216

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201711281738.XA Active CN108072663B (zh) 2017-08-03 2017-08-03 工件缺陷在线分析装置
CN201710654258.7A Active CN107367513B (zh) 2017-08-03 2017-08-03 工件缺陷在线分析装置

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201710654258.7A Active CN107367513B (zh) 2017-08-03 2017-08-03 工件缺陷在线分析装置

Country Status (1)

Country Link
CN (2) CN108072663B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110189348A (zh) * 2019-05-29 2019-08-30 北京达佳互联信息技术有限公司 头像处理方法、装置、计算机设备及存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108072663B (zh) * 2017-08-03 2020-09-08 安徽省徽腾智能交通科技有限公司泗县分公司 工件缺陷在线分析装置
CN108375586B (zh) * 2018-02-08 2020-12-15 湘潭大学 具有多个检测模式的缺陷检测装置及其方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08327560A (ja) * 1995-05-30 1996-12-13 Sanyo Electric Co Ltd 形状検査装置及び形状検査方法
CN101916370A (zh) * 2010-08-31 2010-12-15 上海交通大学 人脸检测中非特征区域图像处理的方法
CN103018254A (zh) * 2012-12-04 2013-04-03 东南大学 一种基于图像识别技术的自动检测装置
CN104990925A (zh) * 2015-06-23 2015-10-21 泉州装备制造研究所 一种基于梯度多阈值优化缺陷检测方法
CN105160652A (zh) * 2015-07-10 2015-12-16 天津大学 基于计算机视觉的手机外壳检验装置与方法
CN105954295A (zh) * 2016-05-30 2016-09-21 安瑞装甲材料(芜湖)科技有限公司 一种头盔罩面缺陷检测系统及方法
CN106162076A (zh) * 2016-06-27 2016-11-23 刘杰杰 大数据图像灰度化处理装置
CN107367513A (zh) * 2017-08-03 2017-11-21 朱林清 工件缺陷在线分析装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101291071B1 (ko) * 2010-06-08 2013-08-01 주식회사 에스칩스 입체 영상 오류 개선 방법 및 장치
CN103196915B (zh) * 2013-02-26 2015-05-27 无锡微焦科技有限公司 一种物体探测系统
CN106875411B (zh) * 2016-06-27 2018-02-16 浙江易网科技股份有限公司 大数据汽车驾驶区域图像分析系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08327560A (ja) * 1995-05-30 1996-12-13 Sanyo Electric Co Ltd 形状検査装置及び形状検査方法
CN101916370A (zh) * 2010-08-31 2010-12-15 上海交通大学 人脸检测中非特征区域图像处理的方法
CN103018254A (zh) * 2012-12-04 2013-04-03 东南大学 一种基于图像识别技术的自动检测装置
CN104990925A (zh) * 2015-06-23 2015-10-21 泉州装备制造研究所 一种基于梯度多阈值优化缺陷检测方法
CN105160652A (zh) * 2015-07-10 2015-12-16 天津大学 基于计算机视觉的手机外壳检验装置与方法
CN105954295A (zh) * 2016-05-30 2016-09-21 安瑞装甲材料(芜湖)科技有限公司 一种头盔罩面缺陷检测系统及方法
CN106162076A (zh) * 2016-06-27 2016-11-23 刘杰杰 大数据图像灰度化处理装置
CN107367513A (zh) * 2017-08-03 2017-11-21 朱林清 工件缺陷在线分析装置
CN107367513B (zh) * 2017-08-03 2018-01-26 邵作权 工件缺陷在线分析装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110189348A (zh) * 2019-05-29 2019-08-30 北京达佳互联信息技术有限公司 头像处理方法、装置、计算机设备及存储介质
CN110189348B (zh) * 2019-05-29 2020-12-25 北京达佳互联信息技术有限公司 头像处理方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN108072663B (zh) 2020-09-08
CN107367513B (zh) 2018-01-26
CN107367513A (zh) 2017-11-21

Similar Documents

Publication Publication Date Title
CN109410230B (zh) 一种可抗噪声的改进Canny图像边缘检测方法
CN104867159B (zh) 一种数字相机传感器污点检测及分级方法与装置
CN107367513B (zh) 工件缺陷在线分析装置
CN105354599B (zh) 一种基于改进的slic超像素分割算法的颜色识别方法
CN105654097B (zh) 图像中四边形标记物的检测方法
US8594411B2 (en) Pathologic tissue image analyzing apparatus, pathologic tissue image analyzing method, and pathologic tissue image analyzing program
CN111753577B (zh) 自动采摘机器人中的苹果识别与定位方法
CN108537239A (zh) 一种图像显著性目标检测的方法
CN105035279B (zh) 一种平均水线检测方法
CN104952754B (zh) 基于机器视觉的镀膜后硅片分选方法
CN106228541A (zh) 视觉检测中屏幕定位的方法及装置
CN107016701B (zh) 一种玉米籽粒灌浆速率的测量方法和装置
CN107374209A (zh) 拉链自动控制的共享睡眠装置
CN107272083B (zh) 一种家居生活中智能安检方法
CN106157301B (zh) 一种用于图像边缘检测的阈值自确定方法及装置
CN206951597U (zh) 一种基于机器视觉的蓝莓果实分级检测系统
CN106023223A (zh) 柑橘果实大小描述及分级方法
CN106920266A (zh) 验证码的背景生成方法和装置
CN106683069A (zh) 农田苗期行内作物-杂草识别方法
CN107525809A (zh) 一种使用无线通信技术在线自动分析工件缺陷的方法
CN103714336A (zh) 基于八元数和回声状态网络的织物图像边缘检测方法
CN111968078A (zh) 一种变电设备的外观检测方法、装置、设备和存储介质
KR20210095955A (ko) 세균 콜로니의 세균 성장을 모니터링하고 콜로니 생물량을 예측하기 위한 시스템 및 방법
CN114998326B (zh) 一种基于人工智能的煤气流分布情况检测方法及系统
CN107121063A (zh) 检测工件的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200807

Address after: Room 520, 5 / F, situ Industrial Park, management committee, Sixian Development Zone, Suzhou City, Anhui Province

Applicant after: Sixian branch of Anhui Huiteng Intelligent Transportation Technology Co., Ltd

Address before: 066004 No. 145, Taishan Road, Qinhuangdao economic and Technological Development Zone, Hebei

Applicant before: Zhu Linqing

GR01 Patent grant
GR01 Patent grant